R语言tidycmprsk包分析竞争风险模型

竞争风险模型就是指在临床事件中出现和它竞争的结局事件，这是事件会导致原有结局的改变，因此叫做竞争风险模型。比如我们想观察患者肿瘤的复发情况，但是患者在观察期突然车祸死亡，或者因其他疾病死亡，这样我们就观察不到复发情况了，这种情况下不能把缺失数据仅仅当做右删失处理，这样的话会造成数据的估值错误。这是我们应该优先选择竞争风险模型来做数据分析，而不是COX回归。竞争风险模型在数据挖掘中经常使用到。既往我们在文章《手把手教你使用R语言做竞争风险模型并绘制列线图》和《一步到位：手把手教你R语言竞争风险模型建模-列线图-校准曲线-K折验证-外部验证- 决策曲线》已经介绍了使用cmprsk包绘制和QHScrnomo包进行分析，今天咱们来介绍一下tidycmprsk包，它也是基于cmprsk包进行分析，但是功能更多，绘制图形更加精美。
下面立即开始，先导入数据和R包，使用的是tidycmprsk 包自带的trial数据

library(tidycmprsk)
data(trial)
1
2

这是一个模拟两种化疗药物的模拟治疗肿瘤的数据，数据集包含200名接受药物A或药物B的患者的基线特征。数据集还包含肿瘤对治疗的反应结果。
Trt：化疗的药物，age年龄，marker标记物水平，stage阶段，grade等级，response物流反应，death_cr死亡状态，这个是结局变量，ttdeath时间变量

假设咱们想研究trt不同化疗药物对结局的影响，咱们先来个单因素的分析

out<-cuminc(Surv(ttdeath, death_cr) ~ trt, trial)
out
1
2

咱们可以进一步绘图，如果没有指定，一般是默认第一个结局

out %>%
  ggcuminc()
1
2

咱们也可以进一步指定，这样清楚一点

out %>%
  ggcuminc(outcome = c("death from cancer", "death other causes"))
1
2

加上生存分析人数的表格

out %>%
  ggcuminc(outcome = c("death from cancer")) +
  add_risktable()
1
2
3

也可以换个格式显示

out %>%
  ggcuminc(outcome = c("death from cancer")) +
  add_risktable(
    risktable_stats = "n.risk",
    stats_label = list(n.risk = "Number at Risk"),
  )
1
2
3
4
5
6

还可以进一步绘制可信区间

out %>%
  ggcuminc(outcome = c("death from cancer")) +
  add_risktable(
    risktable_stats = "n.risk",
    stats_label = list(n.risk = "Number at Risk"),
  )  +
  add_confidence_interval()
1
2
3
4
5
6
7

接下来咱们来演示多因素分析，如果你不指定结局的话，会默认的把第一个结局当成存活，最后一个结局当成竞争风险指标，就是咱们常见的0,1,2形式

crr_mod <- crr(Surv(ttdeath, death_cr) ~ age + trt, trial)
crr_mod
1
2

如上图结果就出来了，结果还表明了选择了癌症为结局。我们也可以指定，我觉得这样比较好点，使用failcode这个参数指定

crr_mod <- crr(Surv(ttdeath, death_cr) ~ age + trt, failcode="death from cancer",trial)
crr_mod
1
2

结果表明药物B相比药物A并没有明显优势。